一、课题的目的及意义：
据WHO近来公布的数字显示，7.5%--10.4%的病人在急性护理过程中经历过药品不良反应（adverse drug reactions ,ADRs）,住院患者发生ADR的比例为10%--20%，ADR已经成为导致住院病人死亡或伤残的主要原因之一. 药物不良反应(Adverse Drug Reaction，ADR)监测是药品上市后监测的一项重要内容。目前，国际国内在ADR监测领域均积累了海量的监测数据，WHO、美国、英国、荷兰等国家都开发了预警系统，采用了一些检测方法实现ADR信号检测与预警功能。Bates DW 等学者的研究表明，美国一家700张床位的教学医院每年因ADR导致的住院和门诊费用达到560万美元。尽管各国药品从研发到审批上市的全过程都有严格的规范和要求，但由于一些客观条件的限制，如药物上市的前期临床试验过程中，由于选取病人样本的代表性不够和观察时间有限，很难发现一些迟发的、罕见的ADR。作为一门新兴的前沿技术，数据挖掘已在不良反应信号筛选评价中发挥着重要作用，且在不良反应发生规律等研究中具有良好的应用前景。随着数据挖掘技术及其相关领域新技术的发展，数据挖掘必将以其精深的数据分析和规律探寻能力在不良反应评价领域发挥更加巨大的作用。
二、研究内容：
研究数据挖掘技术在药品不良反应信号检测和评价中的应用，需要包含以下几个方面：
1、 了解与ADR相关的知识，药品不良反音信号，为数据准备打下基础。
数据准备包括三个字步骤：数据集成、数据选择、数据预处理。ADR填报单位范围广、填报人员众多，导致在填报内容上方存在一些错误、遗漏、矛盾的信息，严重影响了信息的准确性和可信性。此外ADR监测网络及其他途径提供的药品不良反应信号相关信息是纷繁复杂的，大量的、不完全的、有噪音的、模糊的、随机的原始数据需要处理和判别。数据集成将许多文件或数据库运行环境中的数据进行合并处理，解决语义模糊性、处理数据中的遗漏和清洗脏数据等。
（1） 数据清理
数据清理应当能处理许多种类型的可能错误。这些错误类型包括在数据源里丢失数据和有错误数据，还包括两个或多个数据原理的不一致数据和冲突数据，所有这些数据都必须进行处理。把错误的数据进行修改。
（2） 数据处理
由于部分ADR报告中再添包格式和表述上存在大量的非标准和非规范化的信息，加之历年来累积的报告数量庞大，导致无法直接使用这些数据进行快速、准确地统计、分析，严重制约了工作的效率。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
